Creative Biolabs Erweitert KI-gestützte CAR/TCR-Entwicklungsdienste

SHIRLEY, NY, 25. September 2026 /24-7PressRelease/ -- Creative Biolabs erweitert seine CAR-T- und TCR-T-Forschungskapazitäten mit einem KI-gestützten CAR/TCR-Entwicklungsservice, der drei wiederkehrende Entwicklungsherausforderungen adressieren soll: arbeitsintensive Screening-Verfahren für Rezeptorkandidaten, Persistenz-bedingte Designeinschränkungen und potenzielle Off-Target-Toxizitäten.

Die Entwicklung gentechnisch veränderter T-Zell-Therapien erfordert, dass Forscher einen großen Designraum navigieren – von der Auswahl geeigneter Targets und Bindemoleküle bis hin zur Optimierung der Rezeptorarchitektur und der Beurteilung der Spezifität. Creative Biolabs integriert künstliche Intelligenz und Computermodellierung mit experimenteller Validierung, um Forschern zu helfen, vielversprechende Kandidaten früher zu priorisieren und Laborressourcen auf Designs zu konzentrieren, die durch computergestützte Kriterien unterstützt werden.

KI-gestützte CAR/TCR-Entwicklung von der Entdeckung bis zur Optimierung
Anstatt künstliche Intelligenz in einer einzelnen Entwicklungsphase einzusetzen, integriert Creative Biolabs KI über einen integrierten Workflow, der Target- und Binder-Entdeckung, CAR/TCR-Konstrukt-Engineering sowie Sicherheits- und Spezifitätsprofilierung umfasst.

Der Ansatz soll die datenbasierte Priorisierung von Kandidaten unterstützen und gleichzeitig die Abhängigkeit von umfassendem, iterativem Trial-and-Error-Screening verringern.

KI-gestützte Target- und Binder-Priorisierung
Die Identifizierung eines tumorassoziierten Targets ist nur der Anfang. Forscher müssen auch die Target-Expression, die Binder-Spezifität, die strukturelle Kompatibilität und potenzielle Kreuzreaktivität berücksichtigen, wenn sie Kandidaten für die weitere Entwicklung auswählen.

Der KI-gestützte Target- und Binder-Entdeckungsservice von Creative Biolabs kombiniert Multi-Omics-Analyse, maschinelles Lernen und Strukturmodellierung, um die Target-Priorisierung und die Bewertung von scFv-, Antikörperfragment- und TCR-Kandidaten zu unterstützen.

Für Teams, die mit großen Kandidatenpools arbeiten, kann eine computergestützte Priorisierung vor ressourcenintensivem Nasslabor-Screening eingeführt werden. Dadurch können Forscher den anfänglichen Kandidatensatz basierend auf vorhergesagten bindungsbezogenen Eigenschaften, strukturellen Eigenschaften und spezifitätsbezogenen Parametern eingrenzen, bevor sie zur experimentellen Validierung übergehen.

KI-verbessertes CAR/TCR-Konstrukt-Engineering
Die Rezeptorarchitektur kann die Funktion gentechnisch veränderter T-Zellen erheblich beeinflussen. Variablen wie antigenerkennende Domänen, Hinge-Regionen, Transmembrandomänen und intrazelluläre Signalmodule erzeugen zahlreiche mögliche Konstruktkombinationen.

Über seinen KI-verbesserten Konstrukt-Engineering- und Design-Service setzt Creative Biolabs Computermodellierung ein, um Faktoren wie Rezeptorstabilität, vorhergesagtes signalisierungsbezogenes Verhalten, Selbstaktivierungsrisiko und persistenzassoziierte Merkmale zu untersuchen.

Wenn beispielsweise die T-Zell-Persistenz oder -Erschöpfung ein Problem darstellt, können Forscher computergestützt alternative Rezeptorkonfigurationen und Signaldomänenkombinationen vergleichen, bevor sie eine fokussierte Gruppe von Konstrukten für zellbasierte Tests auswählen.

KI-gestützte Sicherheits- und Spezifitätsprofilierung für CAR/TCR-Kandidaten
Potenzielle Off-Target-Erkennung und On-Target/Off-Tumor-Aktivität bleiben wichtige Überlegungen in der Entwicklung gentechnisch veränderter T-Zellen. Die frühzeitige Identifizierung potenzieller Risiken kann zusätzliche Evidenz für die Kandidatenauswahl liefern und nachfolgende experimentelle Studien unterstützen.

Der KI-gestützte Sicherheits- und Spezifitätsprofilierungsservice von Creative Biolabs integriert Sequenz-, Struktur-, Proteom- und Gewebeexpressionsinformationen, um potenzielle Kreuzreaktivitäts- und targetassoziierte Sicherheitssignale für die experimentelle Nachverfolgung zu priorisieren.

Eine praktische Entwicklungsstrategie besteht darin, die Spezifitätsbewertung neben der Target-Auswahl und Rezeptoroptimierung zu integrieren, anstatt die Sicherheitsbewertung ausschließlich als nachgelagerten Kontrollpunkt zu behandeln. Dies kann Forschern helfen, Kandidaten zu identifizieren, die zusätzliche Untersuchungen erfordern, bevor Ressourcen für eine umfassendere Validierung gebunden werden.

Zusammen schaffen diese KI-fähigen Möglichkeiten einen verbundenen Workflow von der Target- und Binder-Auswahl über die Rezeptorarchitektur-Optimierung bis hin zur Sicherheits- und Spezifitätsbewertung und helfen Forschungsteams dabei, zu priorisieren, wo experimentelle Validierung den größten Nutzen bringen kann.

Forscher, die das Rezeptor-Screening rationalisieren, das CAR/TCR-Konstruktdesign optimieren oder potenzielle Spezifitätsrisiken bewerten möchten, können die KI-gestützten CAR/TCR-Entwicklungsfähigkeiten von Creative Biolabs unter https://www.creative-biolabs.com/car-t/ erkunden.

Über Creative Biolabs
Creative Biolabs bietet fortschrittliche Zelltherapie-Forschungsdienstleistungen an und integriert KI-gestützte Target-Entdeckung, CAR/TCR-Engineering sowie Sicherheits- und Spezifitätsprofilierung, um die Forschung an gentechnisch veränderten T-Zellen und die präklinische Entwicklung zu unterstützen. Nur für Forschungszwecke.

Haftungsausschluss: Diese Übersetzung wurde automatisch von NewsRamp™ für 24-7 Press Release (gemeinsam als "DIE UNTERNEHMEN" bezeichnet) mit öffentlich zugänglichen generativen KI-Plattformen erstellt. DIE UNTERNEHMEN garantieren nicht die Genauigkeit oder Vollständigkeit dieser Übersetzung und haften nicht für Fehler, Auslassungen oder Ungenauigkeiten. Die Nutzung dieser Übersetzung erfolgt auf eigenes Risiko. DIE UNTERNEHMEN haften nicht für Schäden oder Verluste, die aus solcher Nutzung entstehen. Die offizielle und maßgebliche Version dieser Pressemitteilung ist die englische Version.